Pertemuan 5 · Bab 2 · Statistika 2 Satuan Kredit Semester · Program Studi Diploma Empat Manajemen Proyek Konstruksi
Probabilitas Dasar dalam Risiko Proyek
Setelah mempelajari cara menggambarkan data pada Bab 1, Pertemuan 5 mulai membahas
ketidakpastian. Mahasiswa belajar mendefinisikan ruang sampel dan kejadian,
menghitung peluang sederhana, menggunakan aturan komplemen, gabungan, irisan,
serta memahami probabilitas bersyarat dalam konteks risiko proyek konstruksi.
Ruang SampelKejadianProbabilitasKomplemenGabungan & IrisanProbabilitas BersyaratIndependensiRisiko Proyek340 menitFormatif 0%
Target Rencana Pembelajaran Semester:
mahasiswa mampu menerapkan prinsip probabilitas pada kasus sederhana Manajemen Proyek Konstruksi.
Indikator keberhasilan: model kejadian dan nilai probabilitas sesuai dengan konteks kasus.
Sinkronisasi Rencana Pembelajaran Semester
Kemampuan Akhir yang Direncanakan: Menerapkan probabilitas pada kasus sederhana bidang konstruksi. Waktu: TM 100 + PT 120 + BM 120 = 340 menit Penilaian: Formatif 0% Referensi RPS: 1,2
Tujuan belajar Pertemuan 5
Pertemuan 5 mempunyai 5 tujuan utama. Klik salah satu tujuan untuk langsung menuju
materi yang membahasnya.
Cara belajar: selesaikan Tujuan Pembelajaran 1 sampai Tujuan Pembelajaran 5 secara berurutan.
Fokus utama adalah memahami kejadian dan hubungan antar kejadian, bukan sekadar menghafal rumus.
Cara belajar Pertemuan 5 agar tetap ringan
Tentukan eksperimen. Apa proses acak atau situasi yang sedang diamati?
Tulis ruang sampel. Apa saja hasil yang mungkin terjadi?
Definisikan kejadian. Hasil mana yang termasuk kejadian yang ditanyakan?
Pilih aturan probabilitas. Komplemen, gabungan, irisan, atau bersyarat.
Interpretasikan. Ubah angka peluang menjadi pernyataan risiko yang tidak berlebihan.
Siklus belajar Pertemuan 5:
situasi → ruang sampel → kejadian → aturan probabilitas → interpretasi risiko.
Probabilitas digunakan untuk menggambarkan tingkat ketidakpastian.
Sebelum menghitung peluang, mahasiswa harus dapat mendefinisikan apa yang mungkin terjadi
dan kejadian mana yang sedang ditanyakan.
1.1 Eksperimen atau proses acak
Eksperimen dalam probabilitas tidak selalu berarti percobaan laboratorium.
Ia dapat berupa proses dengan hasil yang belum diketahui secara pasti.
Contoh proyek
Sebuah aktivitas pengecoran direncanakan besok.
Hasil cuaca pada jam kerja utama dapat dikategorikan sebagai
Cerah, Mendung, atau Hujan.
1.2 Ruang sampel
Ruang sampel adalah himpunan seluruh hasil yang mungkin dari suatu eksperimen.
S = {Cerah, Mendung, Hujan}
1.3 Kejadian
Kejadian adalah himpunan satu atau lebih hasil dari ruang sampel.
Jika kejadian A = “cuaca tidak cerah”, maka:
A = {Mendung, Hujan}
1.4 Nilai probabilitas
Probabilitas suatu kejadian berada antara 0 dan 1.
0 ≤ Probabilitas(A) ≤ 1
Nilai
Makna
0
kejadian tidak mungkin dalam model
mendekati 0
kejadian relatif jarang
mendekati 1
kejadian relatif sering/sangat mungkin
1
kejadian pasti dalam model
1.5 Probabilitas dari hasil yang dianggap sama mungkin
Jika setiap hasil dasar dianggap sama mungkin, probabilitas dapat dihitung sebagai:
Probabilitas(A) = banyak hasil yang mendukung A / banyak seluruh hasil
Rumus ini hanya layak jika hasil dasar memang dapat dianggap sama mungkin.
Jangan menggunakannya hanya karena ruang sampel mudah ditulis.
1.6 Probabilitas empiris dari data
Dalam data proyek, peluang sering diperkirakan dari frekuensi historis.
Probabilitas empiris ≈ jumlah kejadian / jumlah observasi
Dari 50 pengiriman material, 8 terlambat.
Probabilitas empiris keterlambatan:
8 / 50 = 0,16 = 16%
Nilai 16% menggambarkan data historis yang diamati.
Nilai itu bukan jaminan bahwa tepat 16% pengiriman berikutnya pasti terlambat.
Latihan Tujuan Pembelajaran 1
Dari 40 inspeksi, 6 menemukan ketidaksesuaian mutu.
Hitung probabilitas empiris ketidaksesuaian.
Banyak pertanyaan risiko proyek melibatkan hubungan antar kejadian:
tidak terjadi, salah satu terjadi, atau keduanya terjadi.
2.1 Komplemen
Komplemen A adalah kejadian bahwa A tidak terjadi.
Probabilitas(bukan A) = 1 − Probabilitas(A)
Jika peluang keterlambatan pengiriman = 0,18,
maka peluang pengiriman tidak terlambat:
1 − 0,18 = 0,82
2.2 Gabungan — A atau B
Gabungan berarti setidaknya salah satu kejadian terjadi.
Probabilitas(A atau B) = Probabilitas(A) + Probabilitas(B) − Probabilitas(A dan B)
Pengurangan irisan diperlukan agar kasus yang termasuk A dan B tidak dihitung dua kali.
2.3 Irisan — A dan B
Irisan berarti kedua kejadian terjadi pada kasus yang sama.
A = aktivitas terlambat karena material.
B = aktivitas terlambat karena peralatan.
A dan B berarti aktivitas memenuhi kedua kondisi tersebut sesuai definisi data.
2.4 Kejadian saling lepas
Dua kejadian saling lepas jika keduanya tidak dapat terjadi pada saat yang sama.
Jika A dan B saling lepas: Probabilitas(A dan B) = 0
Maka Probabilitas(A atau B) = Probabilitas(A) + Probabilitas(B)
2.5 Saling lepas tidak sama dengan independen
Saling lepas berarti tidak dapat terjadi bersamaan.
Independen berarti terjadinya satu kejadian tidak mengubah probabilitas kejadian lain.
Dua istilah ini tidak boleh dipertukarkan.
2.6 Visual hubungan kejadian
2.7 Kalkulator aturan dasar
Latihan Tujuan Pembelajaran 2
Peluang kejadian A = 0,30, peluang kejadian B = 0,25,
dan peluang keduanya terjadi = 0,10.
Hitung peluang A atau B.
Probabilitas bersyarat menjawab pertanyaan:
berapa peluang A jika kita sudah mengetahui bahwa B terjadi?
Probabilitas(A diberikan B) = Probabilitas(A dan B) / Probabilitas(B)
3.1 Contoh tabel risiko
Dari 100 aktivitas:
Terlambat
Tidak terlambat
Total
Material bermasalah
18
12
30
Material tidak bermasalah
14
56
70
Total
32
68
100
3.2 Peluang keterlambatan secara keseluruhan
32 / 100 = 0,32
3.3 Peluang keterlambatan jika material bermasalah
Sekarang ruang pembanding berubah hanya menjadi 30 aktivitas yang materialnya bermasalah.
18 / 30 = 0,60
Probabilitas bersyarat dapat berbeda jauh dari probabilitas keseluruhan karena informasi baru
mempersempit kelompok yang sedang dibandingkan.
3.4 Aturan perkalian
Dari definisi probabilitas bersyarat:
Probabilitas(A dan B) = Probabilitas(A diberikan B) × Probabilitas(B)
3.5 Independensi
A dan B disebut independen jika pengetahuan bahwa B terjadi tidak mengubah peluang A.
Jika independen: Probabilitas(A diberikan B) = Probabilitas(A)
Sehingga Probabilitas(A dan B) = Probabilitas(A) × Probabilitas(B)
Jangan menganggap dua kejadian independen hanya karena informasinya berbeda.
Independensi adalah sifat probabilistik yang harus didukung oleh model atau data.
3.6 Kalkulator probabilitas bersyarat
Latihan Tujuan Pembelajaran 3
Dari 80 aktivitas, 20 mengalami gangguan peralatan.
Dari 20 aktivitas tersebut, 9 terlambat.
Hitung probabilitas keterlambatan jika diketahui ada gangguan peralatan.
Kesulitan utama probabilitas sering bukan pada perhitungan,
tetapi pada menerjemahkan kasus menjadi ruang sampel dan kejadian yang tepat.
4.1 Langkah membangun model
Tuliskan pertanyaan. Probabilitas kejadian apa yang ingin diketahui?
Tentukan unit analisis. Satu aktivitas, satu pengiriman, satu hari, atau satu inspeksi?
Definisikan hasil yang mungkin. Bangun ruang sampel yang relevan.
Definisikan kejadian. Tentukan A, B, dan hubungan antar kejadian.
Tentukan sumber probabilitas. Sama mungkin, data historis, atau asumsi model.
Pilih aturan. Komplemen, gabungan, irisan, atau bersyarat.
Hitung dan validasi. Pastikan hasil antara 0 dan 1.
Interpretasikan. Kembalikan angka ke konteks proyek.
4.2 Contoh model risiko keterlambatan
Manajer proyek ingin mengetahui peluang satu aktivitas mengalami
keterlambatan material atau gangguan alat.
Definisikan:
A = keterlambatan material;
B = gangguan alat.
Jika dari data diperoleh:
Probabilitas(A) = 0,20;
Probabilitas(B) = 0,15;
Probabilitas(A dan B) = 0,05.
Probabilitas(A atau B) = 0,20 + 0,15 − 0,05 = 0,30
Interpretasi: pada model/data tersebut, peluang sebuah aktivitas mengalami setidaknya salah satu dari
dua kejadian risiko adalah 30%.
4.3 Pohon kejadian sederhana
Pohon kejadian membantu menjaga urutan kejadian dan probabilitas bersyarat tetap jelas.
4.4 Validasi model
apakah ruang sampel mencakup semua hasil yang relevan?
apakah kategori saling tumpang tindih atau saling lepas?
apakah penyebut probabilitas sudah benar?
apakah asumsi independensi digunakan tanpa dasar?
apakah probabilitas berasal dari data yang cukup relevan?
Latihan Tujuan Pembelajaran 4
Dari 100 aktivitas, 25 mengalami keterlambatan material, 18 mengalami gangguan alat,
dan 7 mengalami keduanya. Hitung peluang mengalami setidaknya salah satu kejadian.
Nilai probabilitas tidak berdiri sendiri.
Dalam Manajemen Proyek Konstruksi, angka peluang harus dihubungkan dengan konteks,
konsekuensi, kualitas data, dan keputusan yang sedang dipertimbangkan.
5.1 Probabilitas bukan kepastian
“Probabilitas keterlambatan = 0,30” tidak berarti setiap tiga aktivitas pasti satu terlambat.
Artinya, dalam model atau data yang digunakan, tingkat peluang kejadian diperkirakan sebesar 30%.
5.2 Probabilitas dan dampak adalah dua dimensi berbeda
Kejadian dengan probabilitas kecil dapat tetap penting jika dampaknya sangat besar.
Sebaliknya, kejadian sering terjadi dapat memiliki dampak kecil.
Risiko
Probabilitas
Dampak
Makna awal
Keterlambatan minor
Tinggi
Rendah
sering tetapi dampak terbatas
Kegagalan struktur sementara
Rendah
Sangat tinggi
jarang tetapi kritis
Pertemuan 5 berfokus pada probabilitas.
Penilaian risiko proyek yang lengkap tidak boleh direduksi menjadi peluang saja.
5.3 Probabilitas historis tergantung konteks data
Probabilitas yang dihitung dari proyek lama dapat tidak langsung berlaku untuk proyek baru
jika lokasi, metode, pemasok, teknologi, musim, atau karakteristik proyek berbeda.
5.4 Contoh interpretasi yang baik
“Pada 50 pengiriman yang diamati, 8 mengalami keterlambatan sehingga probabilitas empiris keterlambatan adalah 16%.
Nilai ini menggambarkan data historis pada kondisi yang diamati dan dapat digunakan sebagai informasi awal,
tetapi penerapannya pada pengiriman berikutnya perlu mempertimbangkan apakah kondisi pemasok dan proyek masih sebanding.”
5.5 Contoh interpretasi yang tidak tepat
“Peluang 20% berarti kejadian pasti terjadi satu kali setiap lima aktivitas.”
“Karena dua kejadian berbeda, keduanya pasti independen.”
“Jika probabilitas kecil, risiko dapat selalu diabaikan.”
“Probabilitas historis berlaku sama untuk semua proyek.”
5.6 Evidence yang harus dihasilkan
ruang sampel yang sesuai konteks;
definisi kejadian yang jelas;
aturan probabilitas yang tepat;
perhitungan manual yang dapat ditelusuri;
interpretasi probabilitas dalam konteks risiko proyek;
batas penggunaan probabilitas berdasarkan data/asumsi yang digunakan.
5.7 Indikator ketercapaian Pertemuan 5
Sesuai Rencana Pembelajaran Semester:
model kejadian dan probabilitas harus sesuai dengan konteks kasus.
Latihan integrasi Tujuan Pembelajaran 5
Dari 120 hari pengamatan, hujan mengganggu pekerjaan pada 18 hari.
Tuliskan probabilitas empiris dan satu interpretasi yang tepat.
Jawaban: 18/120 = 0,15 = 15%.
Interpretasi: pada periode pengamatan tersebut, sekitar 15% hari mengalami gangguan hujan;
angka ini menggambarkan kondisi historis dan tidak menjamin proporsi yang sama pada periode berikutnya.
Bangun dasar: eksperimen → ruang sampel → kejadian → nilai probabilitas.
Tujuan Pembelajaran 2
Hubungkan kejadian: komplemen → gabungan → irisan → saling lepas.
Tujuan Pembelajaran 3
Tambahkan informasi: probabilitas bersyarat dan independensi.
Tujuan Pembelajaran 4–5
Terapkan: model risiko → hitung → validasi → interpretasi dengan batas yang jelas.
Kalimat kunci Pertemuan 5:
probabilitas yang benar dimulai dari definisi kejadian yang benar.
Rumus tidak dapat memperbaiki ruang sampel atau konteks yang keliru.
Beban kegiatan Pertemuan 5
Tatap muka / terbimbing
100 menit
Penugasan terstruktur
120 menit
Belajar mandiri
120 menit
Total
340 menit
Penilaian
Formatif 0%
Latihan formatif Pertemuan 5
Gunakan satu kasus risiko sederhana dalam konteks proyek konstruksi.
tentukan unit analisis dan ruang sampel;
definisikan minimal dua kejadian;
hitung satu probabilitas sederhana atau empiris;
gunakan sedikitnya satu aturan komplemen/gabungan/irisan;
hitung satu probabilitas bersyarat jika konteks mendukung;
interpretasikan hasil dan jelaskan batas penggunaannya.
Asesmen formatif: 0%.
Fokus penilaian mengikuti Rencana Pembelajaran Semester:
kesesuaian model kejadian, ketepatan aturan probabilitas, dan interpretasi kasus.
Kriteria Latihan Formatif Pertemuan 5
Kriteria berikut mengikuti rubrik analitik umum Rencana Pembelajaran Semester. Tidak ada bobot internal tambahan yang ditetapkan pada halaman materi; penilaian mengikuti instrumen dosen pada pelaksanaan tugas.
Kriteria
Fokus evidence pada Pertemuan 5
Pemahaman masalah dan data
ruang sampel dan kejadian didefinisikan sesuai kasus
Pemilihan metode statistik
aturan probabilitas dipilih sesuai hubungan kejadian
Perhitungan/analisis
komplemen, gabungan, irisan, dan probabilitas bersyarat dihitung benar
Interpretasi
nilai probabilitas dijelaskan sebagai ketidakpastian, bukan kepastian
Kesimpulan berbasis bukti
implikasi risiko didukung model/data yang digunakan
Komunikasi data
notasi, proses, dan narasi kasus jelas
Prinsip: ketepatan prosedur harus disertai kemampuan menjelaskan alasan pemilihan metode, interpretasi, dan kaitannya dengan masalah/data.
Checklist penguasaan Pertemuan 5
0 dari 5 tujuan tercapai0%
Checklist ini tersimpan hanya pada browser/perangkat dan bukan progres atau nilai resmi pada sistem pembelajaran.
Catatan Penyelarasan
Materi dan penilaian pada halaman ini menggunakan struktur canonical semester yang telah diharmonisasi.
Acuan kurikulum final adalah Rencana Pembelajaran Semester yang berlaku;
nomor versi tidak ditampilkan pada halaman materi agar tidak menjadi usang ketika dokumen diperbarui.
Daftar Pustaka Pertemuan 5
Montgomery, D. C., & Runger, G. C. (2018). Applied Statistics and Probability for Engineers (7th ed.). Wiley.
Sudjana. (2005). Metoda Statistika. Bandung: Tarsito.
Daftar pustaka pada halaman ini identik dengan kode referensi pada Rencana Pembelajaran Semester terbaru.
Pertemuan 5 membahas aturan probabilitas pada kejadian.
Pertemuan 6 melanjutkan dengan variabel acak, distribusi probabilitas,
distribusi Normal, dan z-score untuk menjelaskan posisi dan peluang pada data numerik.
Kejadian → Probabilitas → Variabel Acak → Distribusi → Z-Score